字节跳动
校招多模态应用算法工程师（即梦AI） - 剪映CapCut
深圳/北京/广州 · 校招 · 2027 届 · 本科
长期有效
任职要求
- 2027届获得本科及以上学历，计算机、人工智能、电子、自动化、数学等相关专业优先
- 具备扎实的机器学习、深度学习和编程基础，熟练掌握Python和PyTorch
- 熟悉多模态大模型或生成式模型，在图像视频理解、图像视频生成与编辑任一方向具有研究或项目经验
- 具备良好的实验分析、工程实践和快速学习能力，对多模态内容创作有持续热情。
- 加分项
- 熟悉视觉编码、跨模态融合、时序建模、DiT、自回归生成或模型后训练等技术
- 在多模态理解与生成方向发表过高水平论文，或具有高质量开源项目、算法竞赛及大规模模型训练经验。
岗位描述
团队介绍：剪映研发团队，主要支持剪映、CapCut、醒图、Hypic、即梦、Dreamina、小云雀、Pippit等多款国内外产品的研发工作，业务覆盖多元化影像创作场景，并孵化了多款AIGC明星产品，相关产品多次登顶国内外App Store 免费应用榜第一，并继续保持高速增长。加入我们，一起打造全球最受用户欢迎的影像创作和GenAI产品。
- 1、参与即梦多模态理解与生成算法研发，围绕图文与视频理解、时序建模、跨模态对齐、图像视频生成与编辑等方向开展技术迭代；
- 2、提升模型对复杂创作意图、主体关系、场景语义和视频时序的理解能力，优化生成内容的语义匹配、主体一致性、画面质量与时序连贯性；
- 3、参与多模态模型的数据构建、训练优化和评测体系建设，探索SFT、DPO、GRPO、模型蒸馏等技术，建立数据驱动的模型迭代闭环；
- 4、跟进多模态理解与生成领域的前沿进展，参与模型训练、离线评测、推理优化、线上部署与效果分析的完整链路。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。